Data Scientist (Data Science специалист)

Что предстоит делать

Fozzy Group — одна из крупнейших торгово-промышленных групп Украины и один из ведущих украинских ритейлеров, насчитывающий более 700 торговых точек по всей стране. Компания также занимается электронной коммерцией, пищевой переработкой и производством, сельским хозяйством, доставкой посылок, логистикой и банковским делом. В Fozzy Group мы разрабатываем систему поддержки принятия решений следующего поколения, которая объединяет операционные, коммерческие и инвестиционные данные для оптимизации финансовой эффективности и улучшения клиентского опыта. В роли Data Scientist вы будете отвечать за измерительный слой для получения аналитических данных об эффективности инициатив и инвестиций. Роль организована вокруг трех направлений: • Измерение эффекта и каузальный вывод: количественная оценка истинного инкрементального влияния инициатив с помощью A/B-тестирования и квазиэкспериментальных методов. Измерение прироста частоты покупок, расходов гостей, среднего чека и удержания клиентов относительно корректно сформированных контрольных групп, а также формирование четких выводов о том, работает ли инициатива и оправдывает ли она свои затраты. • Анализ драйверов и гетерогенности: выявление наиболее значимых факторов эффективности проектов с помощью ML: структура и динамика профиля гостя, наличие технологий, ассортимент, расстояние до конкурентов — чтобы бизнес мог оценивать потенциал проекта для каждого магазина, прогнозировать эффекты и масштабироваться более эффективно. • Самообслуживаемая валидация и мониторинг: создание переиспользуемых автоматизированных фреймворков для валидации и мониторинга эффектов, которые позволяют Finance и владельцам бизнеса получать проверенные ответы по запросу с полной прозрачностью источников и воспроизводимостью. Вы присоединитесь к кросс-функциональной команде для проектирования и внедрения модуля принятия решений на основе данных, который напрямую влияет на финансовые результаты.

• Проектирование и проведение экспериментов (A/B-тесты) и квазиэкспериментов (difference-in-differences, синтетический контроль, сопоставление по propensity score), а также применение каузального ML для оценки инкрементальных и гетерогенных эффектов операционных, коммерческих и инвестиционных инициатив.
• Построение uplift-моделей / моделей гетерогенных эффектов лечения для определения того, какие гости, сегменты и магазины реагируют наиболее активно, и количественная оценка влияния на ключевые метрики — частоту покупок, долю кошелька / расходы гостя, средний чек, CLV и удержание (с помощью моделей выживаемости) — для пилотных и контрольных групп.
• Разработка интерпретируемых моделей драйверов (градиентный бустинг с SHAP, каузальные леса), которые объясняют эффективность проекта, и ранжирование факторов с наибольшим влиянием на результаты.
• Построение моделей скоринга потенциала магазинов и прогнозирования эффектов — вероятностное и иерархическое прогнозирование, трансферное обучение и эмбеддинги магазинов для заимствования сигналов по всей сети — для управления и приоритизации решений о масштабировании.
• Разработка адаптивной логики досрочной остановки с использованием байесовского последовательного тестирования, многоруких бандитов и обнаружения точек изменения для перераспределения или остановки развертывания, как только экономический сигнал становится маргинальным.
• Перевод финансовых и коммерческих вопросов в статистически строгие дизайны измерений и связывание статистических результатов с экономической ценностью (инкрементальность, ROI, окупаемость).
• Создание SQL и Python пайплайнов, переиспользуемых наборов признаков / feature store и фреймворка для самообслуживаемого экспериментирования.
• Продакшн и мониторинг моделей (MLOps) — обнаружение дрейфа, автоматизированная валидация, воспроизводимость и прозрачность источников.
• Взаимодействие с командами Finance, Investment, Commercial и Operations для предоставления проверенных аналитических данных, готовых к принятию решений.

Что ждём от вас

• Степень бакалавра в области математики / количественной экономики / эконометрики / статистики / компьютерных наук / финансов;
• Не менее 2 лет практического опыта в Data Science;
• Прочная база в статистике, каузальном выводе и дизайне экспериментов — A/B-тестирование, проверка гипотез, анализ мощности;
• Подтвержденный опыт работы с SQL (оконные функции, CTE, JOIN) и Python;
• Экспертиза в машинном обучении и анализе временных рядов;
• Способность работать самостоятельно и декомпозировать сложные проблемы.
• Будет преимуществом
• Опыт работы с Airflow, Docker или Kubernetes для оркестрации данных;
• Практический опыт работы с Amazon SageMaker: обучение, развертывание и мониторинг ML-моделей в продакшн-среде;
• Знание программного обеспечения для отчетности и бизнес-аналитики (Power BI, Tableau, Looker);
• Способность проектировать и внедрять готовые аналитические/ML-решения.

Что предлагаем